背景与目标
在大数据、云计算、人工智能、物联网等新一代信息技术的推动下,智能油田在全球范围内获得快速发展。通过工业化与信息化的有效结合,能够减少企业资本支出,降低运营成本。而智能油田的建设在增储上产、降本增效等方面可以起到重要作用。如:![在这里插入图片描述](https://img-blog.csdnimg.cn/066bd0831471411c94011ea648042c69.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
·荷兰皇家壳牌Smart Fields项目通过智能井、先进协作环境、整体油藏管理等实现了产量提升和运营成本的下降,整体收益达到50亿美元。
· 英国BP Field of the Future项目,大幅提高储量、产量、钻井效率以及公司绩效
· IBM与挪威国家石油公司联合,推动智能油田建设。
· 国内新疆油田、大庆、长庆等纷纷开展智能化建设,取得可观的经济效益。
智能采油管理系统方案设计目标
在此背景之下,侏罗纪公司运用自主研发的核心技术,以数据流为主线,通过对生产数据在线自动采集、自动传输、自动存储管理、机理研究、大数据分析与应用等先进技术,最终实现对电潜泵井的精细化分析和管理,预测电潜泵故障事件,延长电潜泵使用寿命,降低产量损失,提高经济效益的目标。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/2ae308fb360d43d0a04d450fd56059f2.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
框架设计
系统总体采用了三层技术应用架构:数据管理层、中间服务层和综合应用层。通过数据采集、加工、成果输出三步骤,最终实现监控、评价、诊断、预测、优化到决策实施的闭环油气井优化管理模式。![在这里插入图片描述](https://img-blog.csdnimg.cn/c2b28b14d43d443ba170221dc6fb6e33.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
核心模块介绍
总体设计
方案中采用了目前主流的大数据分析与应用、机器学习、BP神经网络、PCA主成分分析等先进技术。围绕“电潜泵智能化管理”的主要核心目标,从监控、诊断、优化三个步骤的思路,设计了“实时在线监控预警”、“工况智能诊断”、“在线优化设计”的三个关键性技术子方案。![在这里插入图片描述](https://img-blog.csdnimg.cn/c90fe24dbe3344cf806db9219da1c58b.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70) (电潜泵管理技术体系图)↑
大屏总览
大屏设计总览分为:参数监控、产量统计、综合诊断、宏观控制图、工况统计、泵寿命,六大部分。对油田生产过程中起到了一个宏观的分析研究的作用,可以“一键直达“相关的具体模块或者参数。其中的工况统计是每日计算成果,用户可以很清晰直观的看到今日的工况统计情况,减去了繁琐的人工统计工作,再进一步去找问题和找原因,防患于未然,这样就可以给用户节省了时间成本与研究成本。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/e62b78a5f97b43238703f1cfab457d99.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
实时在线监控预警
实时在线监控预警方案设计分为远期、中期、近期三个阶段。能够达到不需要专家在现场就可以提前发现油井存在的问题从而及时采取有针对性的措施的目的。![在这里插入图片描述](https://img-blog.csdnimg.cn/af7225b2a4834ce1a23221156aeb9d65.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70) (电潜泵预警分析技术框架图)↑
健康预警
健康预警模块中设计为全油田的“生存分析”与单井的“健康度“分析,通过引入频率,电流,电压,震动,漏电电流,马达温度,泵温度,泵入口压力,泵出口压力等影响电泵寿命的关键参数进行健康度建模,最终达到方案总体设计中的远期预警的概念。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/44d019e3b6c44e3aa7c7e17071a67fe5.png) ![在这里插入图片描述](https://img-blog.csdnimg.cn/29b668444a7a4da6b9ae5772090c8fbc.png)
引入频率,电流,电压,震动,漏电电流,马达温度,泵温度,泵入口压力,泵出口压力,共9个参数阶梯化,分为22个变量,使用最小二乘方法和雅可比矩阵迭代方法进行回归,得到电泵在对应变量下的损害度,进而建立了单井健康度曲线。![在这里插入图片描述](https://img-blog.csdnimg.cn/48dade05c3db4599a13042514b7866a6.png)
通过以上的技术分析手段得出了单井的健康度与剩余寿命判断,泵寿命图中便可以一图看出某平台的寿命情况分布。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/1b4e99523c044a54a9aecedbed110d61.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
趋势预警
趋势预警是利用统计学、机器学习的手段分析井和泵的参数变化趋势,实现对未来30天数据走势的预判,以对超出正常范围(范围规定请参照超限预警的介绍)的参数进行预警,达到方案中设计的中期预警概念。 ![在这里插入图片描述](https://img-blog.csdnimg.cn/ee48c44b5d6e46f292f81c2b76aabb40.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
超限预警
超限预警根据井和泵的实际情况设定预警阀值,阀值分上限和下限,一旦实际数值超出预警阀值范围即预警,达到方案中设计的近期预警概念。![在这里插入图片描述](https://img-blog.csdnimg.cn/5c1554ee47b04e6382260cc2ee0e02e6.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
在综合监控中可以设定超限预警的范围,系统会调取该井选中参数的历时3个月的日报数据传入算法,在历史数据与设定的两个超限上下值计算出了趋势预警的上下限,具体详见下图:![在这里插入图片描述](https://img-blog.csdnimg.cn/2a89ce6a70934350aa14e892793fd4b8.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
在全井监控/单井监控的数据中,通过颜色的不同,提示用户该参数当前处于什么阶段,详见下面两部分全井监控与单井监控的介绍。
全井监控
选中某油田或者多个平台,既可以从传感器中实时读取 “频率,电流,电压,震动,漏电电流,马达温度,泵温度,泵入口压力,泵出口压力”等参数信息(不同颜色请参照“超限预警”介绍),在页面中实时刷新展示,供用户查看。![在这里插入图片描述](https://img-blog.csdnimg.cn/805c730125f94793884c558a8dc0ef05.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
单井监控
系统中采用了立体视图,将采油树展示在页面中,可以更加直观的观察监控某一口井的在线实时生产数据情况,以及绘制出了井筒压力剖面图与特性曲线图,供专家更深层次的分析研究与应用。![在这里插入图片描述](https://img-blog.csdnimg.cn/13cafebe2c8e48138648850a6805fd0f.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
工况智能诊断
PCA主成分分析技术
PCA主成分分析实现了对井生产运行过程中13个参数的降维处理,以3维的方式去展示该井的当前运行情况以及过去的生产情况,通过颜色/点的位置确定是否出现异常/故障情况,可以辅助客户从大量的实时数据中发现问题,迅速定位。![在这里插入图片描述](https://img-blog.csdnimg.cn/2ae30d0d6d1544e4ab95740553983e5e.png)
理论概念:主成分分析(PCA)被定义为无监督降维方法,可用于线性传输数据,并重新创建新的主元空间。主成分分析法是通过正交变换将一组可能存在相关性的变量转换为一组线性不相关的变量,转换后的这组变量叫主成分。ESP数据通常高度相关,主成分分析利用这种依赖性,并允许通过使用原始参数的线性组合和创建新空间来减少数据集中的参数,仅使用两个或几个主要组件来评估系统。
电流卡片智能识别技术
电流卡片技术应用经过多年的沉淀,已经是非常成熟的一项电潜泵工况诊断技术,不过传统的模式存在一些弊端:“时间成本高、准确率低、存储管理方式陈旧”等,我司提出将电流卡片技术智能化、先进化、一体化的设计方案。核心使用了BP神经网络算法实现了电流卡片自动识别技术,以及我司提出了实时在线计算、定时诊断、工况统计、样本库管理等为一体的技术设计方案。![在这里插入图片描述](https://img-blog.csdnimg.cn/8ba8b615db704ae882662e6f61498f3a.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
在线优化设计
宏观控制图
宏观控制图利用了多种计算组合方案,经过多次反复的测试与运行观察,实现了一图掌握某油田/平台的泵工作宏观状态,了解选泵适应性、提液潜力等信息。该模块给出每一口井的优化方案,为油田生产提高效率,提前降低风险与避免故障的发生,让电潜泵更健康的生产运行。![在这里插入图片描述](https://img-blog.csdnimg.cn/9c37a12835c043cb92c7b8110976f9ec.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
优化措施
根据以上多个模块/技术点的应用,基于不同的优化目标进行自动优化设计,获得不同的生产参数组合,可一键将最新的优化方案发往至现场生产平台,工作人员审核优化方案后在线调整。助力油田智能化、一体化等远期目标的实现。![在这里插入图片描述](https://img-blog.csdnimg.cn/a3b1a1a5e7ff4ce0bf14fa513feb8e1d.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl81Mzk1NDIwMg==,size_16,color_FFFFFF,t_70)
注:以上成果由北京侏罗纪软件股份有限公司与中国石油大学(北京)共同完成。
|